Kas yra AI prekės ženklo matomumas?

Prekės ženklas gali gerai reitinguotis „Google“, skelbti autoritetingą turinį ir vis tiek būti nematomas, kai kas nors klausia AI sistemos, kuriuos tiekėjus, produktus ar organizacijas jie turėtų apsvarstyti.

Jis taip pat gali dažnai pasirodyti klausimuose, kuriuose jis paminėtas vardu, tačiau likti nematomas neprekinio atradimo ir rekomendacijos scenarijuose. Abi situacijos apima AI matomumą, tačiau jos apibūdina labai skirtingas jo formas.

AI prekės ženklo matomumas todėl nėra universali skalė, priskirta prekės ženklui. Tai stebėjimas, padarytas apibrėžtame klausimų, sistemų ir sąlygų rinkinyje.

AI prekės ženklo matomumo apibrėžimas

AI prekės ženklo matomumas yra stebima prekės ženklo, produkto, domeno ar susijusios entiteto buvimas apibrėžtame AI sugeneruotų atsakymų, scenarijų ir sistemų rinkinyje.

Paprasčiausiai tariant, jis atsako į klausimą: ar prekės ženklas pasirodė? Naudingas matavimas taip pat turi nurodyti, kur, kodėl ir kokiomis sąlygomis stebėjimas buvo atliktas.

Tai daro AI matomumą siauresnį nei prekės ženklo atstovavimas dideliuose kalbos modeliuose. Atstovavimas taip pat apima prekės ženklui priskirtą vaidmenį, rekomendacijas, atributus, nuotaiką, konkurentus, šaltinius ir faktinį tikslumą. Matomumas yra įėjimo taškas į tą platesnę analizę.

Kas gali būti laikoma prekės ženklo matomumu?

Skaičiuoti įmonės pavadinimą yra naudinga, tačiau tai neapima visų būdų, kaip entitetas gali pasirodyti. Tyrimas turėtų atskirti bent keturias matomumo formas.

Paskatintas prekės ženklo buvimas

Prekės ženklas pasirodo, nes klausimas jį aiškiai paminėjo: „Kokias paslaugas teikia įmonė X?“ arba „Ar įmonė X tinka šiam projektui?“

Tai gali patikrinti atpažinimą, entiteto identifikavimą ir faktinį aprašymą. Tai silpnas atradimo matas, nes sistema nepasirinko prekės ženklo nepriklausomai.

Spontaniškas prekės ženklo buvimas

Prekės ženklas pasirodo kategorijoje, problemų ar rekomendacijų scenarijuje, net jei klausimas jo nepaminėjo. Pavyzdžiui: „Kokios platformos gali stebėti, kaip AI sistemos apibūdina prekės ženklą?“

Ši forma yra labiau susijusi su atradimu, nes sistema įtraukia prekės ženklą į atsakymą. Tai vis tiek nereiškia, kad prekės ženklas automatiškai rekomenduojamas.

Produktų buvimas

Produktas gali pasirodyti be aiškaus ryšio su savo pagrindiniu prekės ženklu. Taip pat gali nutikti atvirkščiai: įmonė paminėta, tačiau atitinkamas produktas nėra.

Šis skirtumas yra svarbus organizacijoms, turinčioms kelias produktų linijas, vietines dukterines įmones, įsigytus prekės ženklus ar produktus, kurių pavadinimai geriau žinomi nei jų savininkai.

Šaltinio buvimas

Prekės ženklo domenas gali būti cituojamas kaip šaltinis, net jei įmonė nėra paminėta sugeneruotame atsakyme. Tai yra matomas šaltinio buvimas, o ne prekės ženklo rekomendacija.

Kaip matuojamas AI prekės ženklo matomumas?

Matomumo procentas yra prasmingas tik tada, kai jo skaitiklis ir vardiklis yra aiškūs.

Pradėkite nuo stebėjimo vieneto

Praktinis vienetas yra vienas atsakymas, sugeneruotas vienam apibrėžtam scenarijui vienoje nurodytoje sistemoje, užfiksuotomis sąlygomis. Jei analizuojama 100 tinkamų atsakymų ir prekės ženklas teisingai identifikuojamas 28 iš jų, jo stebimas paminėjimo rodiklis šiam tyrimui yra 28%.

Paminėjimo rodiklis = atsakymai, kuriuose yra galiojantis prekės ženklo paminėjimas ÷ visi tinkami atsakymai × 100%

Tai nėra tikimybė, kad bet kuris vartotojas pamatys prekės ženklą. Tai yra proporcija, stebima apibrėžto tyrimo imtyje.

Fraze „galiojantis prekės ženklo paminėjimas“ taip pat reikia taisyklės. Praeities nuoroda į kitą įmonę su panašiu pavadinimu neturėtų būti skaičiuojama. Taip pat produktas neturėtų būti automatiškai priskiriamas savo pagrindiniam prekės ženklui, kai šis ryšys trūksta arba yra neteisingas atsakyme.

Apibrėžkite, kurie atsakymai yra tinkami

Prieš skaičiuojant procentą, nuspręskite, kaip elgtis su:

• nepasiekiamomis sistemomis ar nesėkmingais užklausimais;

• atsakymais, kurie atsisako užduoties;

• scenarijais, kur prekės ženklas nėra tikrai svarbus;

• duplicuotais scenarijais;

• atsakymais skirtingomis kalbomis ar rinkose;

• paskatintais ir spontaniškais paminėjimais.

Keičiant šias taisykles, keičiasi vardiklis ir gali reikšmingai pakeisti rezultatą. Du matomumo procentai nėra lyginami vien todėl, kad abu išreiškiami kaip procentai.

Matuokite scenarijų aprėptį

Vienas vidurkis gali paslėpti, kur matomumas egzistuoja. Tas pats prekės ženklas gali būti ryškus informaciniuose klausimuose, tačiau nebūti palyginimuose ir pirkimo orientuotose scenarijose.

Naudingi scenarijų grupės gali apimti:

• kategorijos atradimą;

• problemų atpažinimą;

• produkto ar tiekėjo palyginimą;

• rekomendacijas apibrėžtai auditorijai;

• teiginių, reputacijos ar tinkamumo patvirtinimą;

• skirtingus sprendimų proceso etapus.

Scenarijų aprėptis rodo kur prekės ženklas patenka į atsakymą, o ne tik kaip dažnai jis pasirodo visame tyrime.

Matuokite sistemų aprėptį

Nėra vieno universalaus AI rezultato. Pokalbių sąsajos, AI paieškos funkcijos ir API galiniai taškai gali naudoti skirtingus modelius, instrukcijas, atkūrimo mechanizmus ir šaltinių aplinkas.

„Google“ teigia, kad AI apžvalgos ir AI režimas gali naudoti skirtingus modelius ir technikas ir gali rodyti skirtingus atsakymus ir nuorodas. Todėl vieno sistemos rezultatai neturėtų būti laikomi visų AI platformų atitikmeniu.

Kryžminis sistemų palyginimas turėtų išlaikyti tą pačią tyrimo klausimą, dokumentuojant skirtumus sąsajose ir turimose galimybėse.

Pridėkite konkurencinį kontekstą atsargiai

Matomumas gali būti lyginamas su apibrėžtu konkurentų rinkiniu, tačiau metrika turi nurodyti, kas skaičiuojama. „AI balsų dalis“ gali reikšti:

• atsakymų proporciją, kuriose pasirodo kiekvienas prekės ženklas;

• visų prekės ženklų paminėjimų dalį konkurentų rinkinyje;

• rekomendacijų įvykių dalį;

• aprėptį scenarijuose ar platformose.

Tai yra skirtingi matavimai. Nė vienas automatiškai atitinka rinkos dalį, klientų preferenciją ar pardavimo potencialą.

AI matomumas nėra tas pats, kas rekomendacija

Prekės ženklas gali būti paminėtas kaip:

• teikėjas;

• informacijos šaltinis;

• fondo pavyzdys;

• konkurentas;

• netinkama galimybė;

• įmonė, dalyvaujanti ginče;

• entitetas, supainiotas su kita organizacija.

Tik kai kurie iš šių vaidmenų sudaro rekomendaciją. Aukštas paminėjimo rodiklis gali todėl egzistuoti kartu su žemu rekomendacijos rodikliu arba nepalankiu atstovavimu.

Štai kodėl paminėjimas, įtraukimas į trumpąjį sąrašą, rekomendacija ir pirminė rekomendacija turėtų būti laikomi atskiromis stebėjimais. Visi juos vadinti matomumu gali būti patogu vykdant santrauką, tačiau tai pašalina skirtumą, reikalingą rezultatui diagnozuoti.

AI matomumas nėra paieškos reitingas

Tradiciškai paieškos matomumas dažnai yra grindžiamas reitinguojamomis puslapiais, peržiūromis, paspaudimais ir numatoma paklausa užklausoms. Generatyvūs atsakymai ne visada pateikia stabilų užsakytą sąrašą. Jie gali paminėti prekės ženklą prozoje, pateikti jį lentelėje, naudoti kaip šaltinį arba rekomenduoti jį sąlygiškai po įspėjimo.

Originalus recenzuojamas tyrimas apie Generative Engine Optimization formalizavo matomumą sugeneruotose atsakymuose ir įtraukė poziciją koreguojančius matavimus. Tekstinė reikšmė gali būti svarbi, tačiau ji nėra identiška tradiciniam organiniam reitingui.

SEO išlieka dalimi palaikančios infrastruktūros. „Google“ gairės teigia, kad esami SEO pagrindai ir toliau taikomi jos AI funkcijoms ir kad nereikia jokios specialios AI schemos. Tačiau stiprus organinis matomumas negarantuoja, kad prekės ženklas bus paminėtas kiekvienoje generatyvioje sistemoje ar scenarijuje.

Kodėl AI prekės ženklo matomumas skiriasi?

Žodynas ir ketinimai keičiasi

„Kokios platformos stebi AI prekės ženklo matomumą?“ ir „Kaip PR komanda gali aptikti netikslius AI teiginius apie įmonę?“ susiję su panašiomis problemomis, tačiau gali sukurti skirtingus prekės ženklų rinkinius.

Didelis TACL tyrimas parodė, kad skirtingi instrukcijų perrašymai gali duoti materialiai skirtingus modelių rezultatus. Tyrimas neapsiribojo prekės ženklų užklausomis, tačiau jis parodo, kodėl matomumas neturėtų būti daromas išvados iš vieno patogaus žodyno.

Sistema ir šaltinio aplinka keičiasi

Kai kurios sistemos naudoja dabartinį interneto atkūrimą; kitos remiasi skirtingomis modelių žinių, paieškos ir produktų instrukcijų kombinacijomis. Kai kurios rodo citatas, o kitos - ne. Vartotojo sąsaja ir API galinis taškas, turintys tą patį tiekėjo pavadinimą, gali grąžinti skirtingus atsakymus.

Kalba, rinka ir laikas keičiasi

Prekės ženklas gali būti matomas anglų kalba, tačiau nebūti lenkų kalba, būti pripažintas visame pasaulyje, tačiau nesusijęs su vietine dukterine įmone, arba apibūdinamas naudojant informaciją, kuri vėliau pasikeitė. Kiekvienas rezultatas turėtų turėti datą, kalbą ir rinkos kontekstą.

Generavimas pats gali skirtis

Pakartojus tą patį scenarijų panašiomis sąlygomis gali būti gautas skirtingas atsakymas. Tai skiriasi nuo užklausos keitimo ir dar kartą skiriasi nuo tyrimo pakartojimo po mėnesio.

Vienas rezultatas yra stebėjimas. Tai nėra stabilaus matomumo įrodymas. Stebėjimas keičia matavimus laikui bėgant, tuo tarpu stabilumas reikalauja specialaus pakartojimo kontroliuojamomis sąlygomis.

Kaip atlikti gynybinį AI matomumo tyrimą

1. Apibrėžkite entitetą

Užfiksuokite oficialų pavadinimą, variantus, produktus, dukterines įmones, rinkas ir ryšius, kurie leidžia atskirti galiojantį paminėjimą nuo entiteto supainiojimo.

2. Apibrėžkite tyrimo tikslą

Pasirinkite, ar tyrimas susijęs su atradimu, rekomendacijomis, produkto matomumu, šaltinio buvimu, konkurenciniu palyginimu ar faktiniu atpažinimu. Viena imtis neturėtų būti tikimasi atsakyti į kiekvieną klausimą.

3. Sukurkite scenarijus, atsižvelgdami į realius poreikius

Naudokite auditorijas, problemas, produktus, sprendimų etapus ir atrankos kriterijus. Nepradėkite nuo atsitiktinio užklausų sąrašo, pasirinkto tik todėl, kad juos lengva išbandyti.

4. Pasirinkite sistemas ir užfiksuokite sąlygas

Dokumentuokite platformą, modelį ar galinį tašką, kurio galima gauti, kalbą, datą, prieigą prie paieškos, vietos prielaidas ir ar scenarijus paminėjo prekės ženklą.

5. Išlaikykite visus įrodymus

Laikykite atsakymą, atitinkamą ištrauką, matomus šaltinius, citatas ir klasifikaciją. Procentas be prieigos prie jo pagrindinių stebėjimų yra sunkiai audituojamas.

6. Praneškite apie vardiklius ir apribojimus

Nurodykite scenarijų, sistemų ir atsakymų skaičių, tinkamumo taisykles ir kas nebuvo išbandyta. Venkite pateikti vienkartinę imtį kaip stabilų modelio bruožą.

Didesniam operaciniam procesui „Brand Semantics“ paaiškina kaip atlikti AI matomumo auditą per AI paieškos platformas.

Kaip turėtų būti interpretuojamas rezultatas?

Aukštas matomumas automatiškai nėra teigiamas

Dažnai paminėtas prekės ženklas gali būti priskirtas netinkamai kategorijai, susijęs su pasenusiu produktu, naudojamas tik kaip šaltinis arba nuolat kritikuojamas. Matomumas nustato buvimą; jis nenustato tikslumo ar vertės.

Žemas matomumas ne visada yra problema

Nematyti svarbu tik tuose scenarijuose, kur prekės ženklas tikrai yra svarbus. Pridėjus plačius, bet nereikalingus klausimus, galima sumažinti matomumo procentą, nesukeliant reikšmingo verslo trūkumo.

Palyginimams reikia bendro apimties

Prekės ženklai turėtų būti lyginami naudojant tuos pačius scenarijus, sistemas, kalbas, datas ir skaičiavimo taisykles. Net ir tada rezultatas apibūdina tyrimo imtį, o ne visą rinką.

Vienas rodiklis nėra diagnozė

Kompozicinis rodiklis gali būti naudingas ataskaitoms, tačiau veiksmai reikalauja dimensijų po juo. „Brand Semantics“ 5P AI atstovavimo audito modelis atskiria Buvimą, Poziciją, Pavadinimą, Tikslumą ir Ištikimybę, kad paminėjimas nebūtų klaidingai suprastas kaip išsamus vertinimas.

Ką prekės ženklas gali daryti su matomumo duomenimis?

Pirmasis uždavinys nėra „optimizuoti rezultatui“. Tai nustatyti trūkumo tipą:

• entitetas nėra atpažįstamas;

• atitinkamas produktas trūksta;

• konkurentai pasirodo scenarijuose, kur prekės ženklas nepasirodo;

• prekės ženklas matomas, bet nerekomenduojamas;

• jo svetainė cituojama, nes įmonė nepatenka į atsakymą;

• matomumas priklauso nuo siauro užklausų ar sistemų rinkinio;

• prekės ženklas pasirodo su netiksliomis ar pasenusiomis informacijos.

Galimi atsakymai apima entitetų ryšių paaiškinimą, nuosavybės informacijos atnaujinimą, tikrų auditorijų klausimų aprėpties gerinimą, produktų aprašymų suderinimą per šaltinius ir autoritetingų išorinių nuorodų uždirbimą. Joks leidėjas negali tiesiogiai kontroliuoti kiekvieno atsakymo, sugeneruoto išoriniu modeliu, todėl pokyčius turėtų sekti naujas matavimas, o ne numatomas patobulinimas.

Kaip „Semantio“ matuoja daugiau nei buvimą

Semantio yra tyrimų platforma, skirta analizuoti ir stebėti, kaip dideli kalbos modeliai apibūdina, palygina ir rekomenduoja prekės ženklus. Ji leidžia komandoms tirti prekės ženklo paminėjimus kartu su rekomendacijomis, nuotaika, priskirtais bruožais, produktais, auditorijomis, konkurentais, matomais šaltiniais ir atstovavimo problemomis.

Vartotojai gali tikrinti individualius atsakymus ir jų palaikančius įrodymus, o ne remtis tik agreguotu rodikliu. Tai leidžia atskirti trūkstamą paminėjimą nuo netinkamos kategorijos, nepalankaus palyginimo ar nepalaikomo teiginio.

Sukurkite paskyrą ir išmatuokite savo prekės ženklo AI matomumą „Semantio“.

Dažnai užduodami klausimai

Koks yra paprasčiausias AI prekės ženklo matomumo apibrėžimas?

Tai stebimas prekės ženklo ar susijusio subjekto buvimas apibrėžtame AI sugeneruotų atsakymų rinkinyje.

Ar AI matomumas yra tas pats, kas cituojamas?

Ne. Domenas gali būti rodomas kaip šaltinis, nes prekės ženklas nepasirodo atsakyme. Prekės ženklas taip pat gali būti paminėtas be matomos citatos.

Ar paminėjimas yra tas pats, kas rekomendacija?

Ne. Prekės ženklas gali pasirodyti kaip šaltinis, pavyzdys, konkurentas, įspėjimas ar atsitiktinė nuoroda. Rekomendacija turi būti klasifikuojama atskirai.

Ar AI matomumas gali būti išreikštas procentais?

Taip, jei nurodoma skaitiklis, vardiklis, galiojančių paminėjimų taisyklės ir tyrimo apimtis. Procentas apibūdina imtį, o ne universalią tikimybę.

Ar stebėjimas įrodo, kad matomumas yra stabilus?

Ne. Stebėjimas palygina matavimus laikui bėgant. Stabilumas reikalauja pakartotinių stebėjimų pakankamai kontroliuojamomis sąlygomis.